通义千问会发表情，也会回复大笑的“哈哈”。还是蛮有意思的。几乎感觉不到对面是个机器人。

对话宇树科技王兴兴，造出 9.9 万元人形机器人的 90 后偏才

很有特点的一位创始人。

每天 24 小时一直想就行了，你睡觉时间多想想，突然就会有灵感了。

一个产品，如果能够利用七宗罪中的一宗，就能够获得良好的效果。

对 agent 的一个暴论：现有 (multi) agent workflow 的模式没有太大价值。Agent 今年（在以吴恩达老师为首的各类大佬的吹捧下）热度很高，但现有的这些所谓的 (multi) agent workflow，本质上是把一个大任务拆分成很多个子任务，每个子任务都有明确的 input 和 output，自己定义一些变量和接口，把这些子任务串起来。这种方式很像是早期的自动驾驶，把感知和规控分开解，或者是上一代的语音助手，把语音转文字、LLM、语音合成这些工作流串起来。

终极的解决方案应该不是这个样子的。现有的 (multi) agent workflow，速度慢先不说，最大的问题还是在接口的地方把信息降维了。这些 input / output 的接口和变量，本质上都是把信息降维到人能理解的维度，这是以高维信息的损失为代价的。每多一层 workflow，损失的信息就多了一次。面对简单问题时， (multi) agent workflow 或许是可行的，但它注定无法解决复杂问题。就好比Waymo 用感知+规控的架构，搭配高精地图，能够在凤凰城和三藩市勉强把本地 L4 跑通，但很难 scale 成一个通用的解法。只有 Tesla 端到端的方案才是自动驾驶的未来。

因此，现有的 (multi) agent workflow方式注定只是一个中间状态，类似自动驾驶中感知+规控+高精地图的拼凑。而最终想要解决复杂问题，需要靠基础模型的进化。当模型能力足够强之后，应该是可以端到端的解决问题。你可以在 prompt 里提示它去使用某些工具，或者采用某些步骤，但应该不需要人为去把 workflow 拆出来。

Agent 的概念依旧重要，但应该回归它更加 native 的定义，即每一个 Agent 应该是独立的智能体，拥有自己的 memory, planning, tool use 等能力，能够端到端地解决问题，而不是需要人类按照自己的理解一口口地把饭喂到嘴里。一个 Agent 就应该是一辆独立的L5 Autopilot 的汽车，而不是一堆弱智 L2 Workflow 凑出来的所谓 multi agents 辅助驾驶杂牌军团。这听起来就很不优雅。

“雇”了个机器人🤖，我们上班，它勤勤恳恳在家打扫卫生哈哈，解放人类！每天到家地面干干净净，真棒👏🏻

OpenAI 很鸡贼，提前一天开发布会，让 Google I/O 的气势弱了很多。再加上 Ilya 的官宣离职又分走了不少流量。果然今早一早起来，媒体的报道和用户的关注相比昨天要少得多。

但实际上，个人觉得 Google I/O 还是有不少看点。最大的感觉是：Google 在AI 发展的进度上真正追平了 OpenAI。无论是音视频实时助手，还是视频生成，基本上都能够和 OpenAI 同步发布，效果类似（当然 Veo 比Sora晚了三个月，效果看起来还是要稍逊）。甚至 Gemini 1.5 Pro 的 2 million 窗口，LLM 与 Google 原生搜索的结合，以及与智能眼镜等硬件的集成，相比 OpenAI 来说还要更领先一些。整体上，感觉 Google 这头巨兽算是彻底醒过来了，开始处于某种进攻的态势。（当然，实际全面发布时间是个问题。The Information 说 Google 现在在 AI 上的风格是先立牌坊，然后慢慢挤牙膏兑现。）

Google 的这个多模态助手 Astra，尽管在语音的表现力上不如昨天的 ChatGPT，情绪没有那么丰满和 dramatic，但是在延迟响应、实时语义理解上是不输的，尤其是还结合了记忆，感觉上甚至更加实用。

相比之下，OpenAI 昨天的发布会，以及最近的一系列动作，比如传说中和苹果合作，似乎都有“提升用户体验，进而拼命扩大用户量”的感觉，不知道是不是切身感受到了 Google 的威胁，在战略上做出的选择。或许 OpenAI 已经意识到了，单单靠自己很难跨越鸿沟，GPTs 的失败就是例子。

当然，Google 也有自己的问题，当下最大的风险就是如何应对 LLM 在搜索结果中带来的商业化挑战。发布会上，搜索的第一条结果换成了 LLM 的结果，体验上看似变好了，但对商业化的影响是巨大的。这种左右互搏，处理不好就会是自掘坟墓，处理好了就会迎来第二曲线。至少从股价来看，感觉华尔街对于这次 I/O 的故事并不是非常 buy in，还在继续观察。

新的谷歌搜索演示，真狠啊，在核心产品上做这么大的改动。

几乎完全用AI重构了谷歌搜索的产品形态。搜索-总结-生成。

尝试了一下，Wegic 这个 AI 网页生成工具也太好了。

通过对话来生成和修改页面门槛确实低了很多。整体网站设计和 IP 都太好了。 IP 尤其可爱。

而且生成的网站从内容和美观度上都很好，内容也很丰富。如果补齐一下能力的话可能是 Framer 一个很强力的对手。

这里尝试：https://wegic.ai/

关于【宇树】新出的机器人unitree G1

有两个比较吸引人的点，完成度相对较高和相对较低的价格

1. 先说最大的差别，就是腿是不是反弓，人形机器人的腿有两种不同的形式，一种是鸵鸟腿，一种是人腿。宇树在自己的H1产品中就使用了人腿形的机器人。
2. 反弓最大的优势是在电机的集成度上，也就是可以把电机最大程度的集约到核心区域。这样对于电机的性能要求会有所降低。
3. 但是宇树的核心就在于电机的性能和性价比很不错。
4. 所以这也是机器人公司的盈利手段，人形机器人相比于真的有什么产品力而言。卖电机的收益也不会小。
5. 很多人会觉得这样的机器人如果会做饭用在家里还是不错的，但是我们主要到宇树最后的小字，不要靠的太近，这也是刚体机器人的一个重要安全隐患，电机容易抽搐和发疯，随时随地给你来一个地板动作也不是不可能。
6. 所以具身智能（人形机器人），的投资大头还是我们熟悉的汽车产业。
7. 机械臂的大规模发展，资金就是来源于汽车产业。而现在的机器人学，基本上是建立在机械臂的基础上的。所以与其说咱看到一个两条腿，两个胳膊的机器人，不如说是四条机械臂连在一起（划掉）
8. 最后一个不成熟地展望，具身智能，会成为载人航天，尤其是载人登月，的先驱。相比于地球的环境，月球的低重力环境，和比较严酷的环境，更加适合机器人选手。

抖音“午夜狂暴哈士奇狗”这个小姐姐一直在发跟 ChatGPT 谈赛博恋爱的视频。

比如这个跟 ChatGPT 去海边约会，上个版本 GPT 还无法看到他看到的海边的景色，没办法看到她专门化了妆。

但这个版本她应该可以完全把 GPT 当成异地恋的男友约会了。配合新的情绪识别和面部表情识别，都不敢想有多强。

朋友用我的照片生成了一张 her 海报。家人们评评理，我怎么这么像杀猪盘的男主角啊？

我身边唯一一个在OpenAI工作的同学，是个女生，北京四中的，跟我一样都是北京人考到复旦的，大学就在我隔壁寝室楼。
对她的印象一直就是安安静静的，笑容不多，也常听别人说她不好相处、性格阴郁、傲慢。有一次一起坐校车聊起来，她说她是高考失利才来的复旦，这对她是很大的打击。
你知道我这种大水货考生第一反应是，“啊？复旦还不满意啊？挺好的了！不就只比清北差吗？”
后来的日子里听说她大三就转到美国本科去了，在社交媒体上慢慢了解她也有个学CS的哥哥，目前的作品水准也是探索人类边界那种level。看着她毕业之后去了Meta，前一阵说离开了Meta，我还想说什么公司能吸引她这样的女生加入？再一看是OpenAI。
更高兴的是前一阵看她还冻了卵，也分享了很多作为女性和准母亲的体验。
在今天这个日子里想默默祝福她。
你做到了，世界的舞台是属于你的。